AgentScope 2.0
用于构建、运行和服务可观察、可控智能体的 Python 框架。
按维度查看评分与理由
证据显示框架提供权限系统（Permission & HITL）和沙箱隔离（Workspace/Sandbox），支持工具级权限控制和用户确认，但未提供默认最小权限配置或强制确认，故给2分。数据流透明度方面，事件系统可流式传输推理和工具调用，但未明确说明数据流向和存储位置，故给2分。敏感数据处理方面，文档提及API密钥通过环境变量传入，但未说明加密存储或脱敏，故给1分。依赖安全方面，依赖列表明确但未提供漏洞扫描或锁定文件，故给1分。外部影响方面，工具可执行shell命令和文件操作，但通过权限系统控制，故给2分。回滚方面，未提及状态回滚或撤销机制，故给1分。来源归属方面，许可证和第三方代码归属清晰，故给2分。
自一致性方面，README和pyproject.toml描述一致，测试文件显示内部一致性，故给2分。依赖可用性方面，依赖列表明确且提供可选extras，但未提供锁定文件，故给2分。失败消息方面，测试显示错误处理（如无效时区回退），但未提供用户友好的错误消息文档，故给2分。
受众和场景方面，README明确面向开发者和研究人员，提供多种场景（agent service、RAG、团队协作），故给3分。能力边界方面，文档列出构建块和功能，但未明确限制或边界，故给2分。触发精度方面，事件系统提供精确的事件类型，但未说明触发条件，故给2分。环境适配方面，支持多种Python版本和操作系统，但未提供容器化部署说明，故给2分。
信息架构方面，README结构清晰，文档链接丰富，故给3分。安装说明方面，提供PyPI和源码安装步骤，故给3分。命名稳定性方面，API命名一致，但未提供命名规范文档，故给2分。示例和FAQ方面，提供多个示例和文档链接，但未提供FAQ，故给3分。已知限制方面，未明确列出已知限制，故给1分。许可证方面，Apache-2.0许可证完整，故给3分。版本和变更日志方面，有NEWS.md但未提供详细变更日志，故给2分。维护责任方面，有贡献指南和社区渠道，但未明确维护者，故给2分。
输出可用性方面，提供事件流和结构化输出，便于集成，故给3分。边际价值方面，提供丰富的构建块和功能，相比其他框架有独特价值，故给3分。成本效益方面，开源免费，但部署和运行成本未说明，故给2分。
声明可追溯性方面，README中的功能声明有文档和示例链接，故给2分。跨来源佐证方面，有arXiv论文和文档，但未独立验证，故给2分。事实推断分离方面，文档区分了功能描述和示例，但未明确区分事实和推断，故给2分。
- 未提供默认最小权限配置，用户需自行配置权限系统。
- 敏感数据处理（如API密钥）未说明加密或脱敏措施。
- 依赖未提供锁定文件，存在供应链风险。
- 未明确列出已知限制，可能影响生产部署决策。
- 未提供回滚机制，状态变更可能不可逆。
这个 Agent 能做什么，适合哪些场景？
AgentScope 2.0 是一个面向生产环境的 Python 智能体框架，提供 Agent、模型、工具、消息与事件等核心抽象。智能体可通过 reply_stream 返回事件流，调用方据此处理回复开始、模型调用和文本增量等状态。框架提供权限系统、中间件、工作区与沙箱支持，并列出本地、Docker、E2B、OpenSandbox 和 Daytona 后端。它还提供基于 FastAPI 的多租户、多会话智能体服务，以及 examples/web_ui 中的预构建 Web UI。README 同时展示了 Agent Team、RAG 和长期记忆相关示例与发布能力。
开发者创建 Agent，并为其传入 DashScopeChatModel、DashScopeCredential 和包含 Bash、Grep、Glob、Read、Write、Edit 的 Toolkit。随后调用 agent.reply_stream(UserMsg("Tony", "Hi, Friday!"))；该调用异步产出事件，应用可按 EventType.REPLY_START、MODEL_CALL_START、TEXT_BLOCK_START、TEXT_BLOCK_DELTA 和 TEXT_BLOCK_END 更新终端或界面。对于服务部署，examples/agent_service 的 python main.py 启动 FastAPI 后端，examples/web_ui 的 pnpm dev 启动 Web UI。README 所示团队模式中，领导智能体会生成工作智能体，并借助内置团队工具协调任务。
- 需要把模型调用、文本流式输出和界面状态同步处理的 Python 开发者，可消费 Agent.reply_stream 的事件。
- 需要让智能体执行 Bash、文件读取、写入和编辑等操作，并希望配置工具与资源权限的应用团队。
- 需要为不同租户和会话隔离提供智能体服务的后端团队，可从 FastAPI 示例服务开始。
- 需要在本地或 Docker、E2B、OpenSandbox、Daytona 环境中隔离运行工具或代码的开发者。
- 需要让领导智能体分派工作智能体并协调复杂任务的团队自动化原型开发者。
- 正在评估 RAG、Agentic Memory、Mem0 或 ReMe 长期记忆示例的智能体应用开发者。
这个 Agent 有哪些优点和局限？
- 以统一事件流暴露回复、模型调用和文本增量状态，适合将智能体执行过程接入前端或其他调用方。
- 工具与资源可通过细粒度、可配置的权限系统控制，README 还展示了无需逐次确认的 bypass 模式。
- 同时覆盖本地、Docker、E2B、OpenSandbox 和 Daytona 工作区/沙箱后端。
- 提供 FastAPI 多租户、多会话服务示例和配套 Web UI，而不只是一段单机智能体代码。
- README 明确列出 RAG、Agent Team、Agentic Memory、Mem0 和 ReMe 相关示例或支持。
- README 的首个完整模型示例绑定 DashScopeCredential、DASHSCOPE_API_KEY 和 qwen3.6-plus；其他模型提供方的配置方式未在所给材料中说明。
- 运行基础库需要 Python 3.11 以上；运行示例 Web UI 还需要 pnpm。
- Bash、Read、Write 和 Edit 等工具可涉及命令执行与文件修改，实际部署需自行设计权限策略和沙箱边界。
- 多租户、多会话、RAG 与长期记忆的扩展在 README 中被列为能力，但所给材料没有提供生产配置、容量或故障恢复细节。
- README 虽展示事件类型，但没有说明异常事件、重试机制或模型调用失败时的具体处理语义。
如何安装或部署这个 Agent？
运行环境要求 Python 3.11 或更高版本。
从 PyPI 安装：
uv pip install agentscope或：
pip install agentscope从源码安装：
git clone -b main https://github.com/agentscope-ai/agentscope.git
cd agentscopeuv pip install -e .
README 中的首个示例使用环境变量 DASHSCOPE_API_KEY，因此运行该示例前需要提供该凭证。
如何使用这个 Agent？
设置 DASHSCOPE_API_KEY 后，可运行以下最小流式调用：
import os, asyncio
from agentscope.agent import Agent
from agentscope.credential import DashScopeCredential
from agentscope.model import DashScopeChatModel
from agentscope.message import UserMsgasync def main() -> None:
agent = Agent(name="Friday",
system_prompt="You're a helpful assistant named Friday.",
model=DashScopeChatModel(credential=DashScopeCredential(api_key=os.environ["DASHSCOPE_API_KEY"]),
model="qwen3.6-plus",
),
)
async for evt in agent.reply_stream(UserMsg("Tony", "Hi, Friday!")):
print(evt.type)asyncio.run(main())启动示例服务时，在仓库根目录执行：
cd examples/agent_service
python main.py另开终端启动 Web UI：
cd examples/web_ui
pnpm install
pnpm dev